A Secure and Efficient Multi-Object Grasping Detection Approach for Robotic Arms

要約

ロボット アームは自動産業で広く使用されています。
しかし、ロボットアームにおけるディープラーニングの広範な応用に伴い、把握コンピューティング能力の割り当てやセキュリティに対する需要の増大など、新たな課題が生じています。
この研究では、ディープラーニングとエッジクラウドコラボレーションに基づいたロボットアーム把握アプローチを提案します。
このアプローチは、ロボットアームの任意の把持計画を実現し、把持効率と情報セキュリティを考慮します。
さらに、GAN によってトレーニングされたエンコーダーとデコーダーにより、画像を暗号化しながら圧縮できるため、プライバシーのセキュリティが確保されます。
このモデルは OCID データセット上で 92% の精度を達成し、画像圧縮率は 0.03% に達し、構造差分値は 0.91 を超えています。

要約(オリジナル)

Robotic arms are widely used in automatic industries. However, with wide applications of deep learning in robotic arms, there are new challenges such as the allocation of grasping computing power and the growing demand for security. In this work, we propose a robotic arm grasping approach based on deep learning and edge-cloud collaboration. This approach realizes the arbitrary grasp planning of the robot arm and considers the grasp efficiency and information security. In addition, the encoder and decoder trained by GAN enable the images to be encrypted while compressing, which ensures the security of privacy. The model achieves 92% accuracy on the OCID dataset, the image compression ratio reaches 0.03%, and the structural difference value is higher than 0.91.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google